综合

谷歌無人車之父

2020-01-16 17:04:40来源:励志吧0次阅读

谷歌无人车之父Sebastian Thrun :如何看 AI 和人类未来

*图片来自知乎Live

编者按:前不久,优达学城(Udacity)联合创始人兼总裁 Sebastian Thrun 通过知乎 Live ,与中国友进行零距离交流本文翻译、自优达学城(Udacity)知乎Live直播实录,首发于优达学城公众号(ID:youdaxue)(公众号:)经授权与发布(有删减)

Sebastian Thrun眼中的 AI 和未来世界AI,也就是人工智能,是现在硅谷最火的话题之一人工智能的目标,就是要让机器像人类一样聪明,甚至比人类聪明 从历史的角度来看,大约300年前,人类发明了蒸汽机和农业设备,这些机器在物理层面上超越了人类的能力

而 AI 要做的,是让机器从智力层面上,也要超越我们人类 机器也可以变得很聪明,他们可以玩游戏,可以开车,可以开飞机,还有很多它们能做到的事情而目前最有趣的人工智能相关领域,就是机器学习

机器学习,是指机器从经验中学习的能力同样,让我们对比着来看当你为一台电脑编程时,你会事无巨细地告诉电脑在任何一种可能的情境下,需要做什么样的反应现在的电脑程序,通常会有成千上万行代码,因为有成千上万种情况需要它们去处理

而一个程序员,需要足够聪明,可以预测到所有可能的情况,从而避免你的电脑崩溃这也是为什么软件工程师的薪水都那么高在机器学习时代,机器不再需要被一条一条的灌输指令,它们也可以被“教育”,就像人类的小孩获得的教育一样我们教小朋友时,不是一行一行地把所有可能的行为指令都灌输给他们,而是让他们不断去尝试,跌倒,然后站起来,从跌倒的经验中去学习机器学习让也能够像小朋友那样,能够从经验或数据中学习,获得成长

我在人工智能领域探索了很长一段时间说起来你可能不信,我1993年就写了一篇关于机器学习和机器人学的硕士论文自从那时开始,我就为一个问题深深地着迷:机器到底能不能用和人类同样的方式去学习

2005年,距离现在十多年前,我参加了美国组织的 DARPA 超级挑战赛,一个无人车驾驶大赛196个队伍参与角逐100万美元的大奖,而我当时在斯坦福大学的团队赢得了胜利我当时是斯坦福人工智能实验室的总监,在 Google 的人工智能项目中也担任了同样的角色在参加挑战赛时,我工作的核心,就是运用了机器学习Stanley 是一辆会学习的机器人车它能从数据中学习,有时它会从自己的经历和错误中学习,更多时候,它会学习人类司机的行为,使得它自己能够像人类那样去驾驶最终,Stanley 的学习模块,让它从196个队伍中脱颖而出,早2005年,以决定性的优势赢得了 DARPA 超级挑战赛

Google 的无人驾驶车也会学习,而我们也遇到了同样的问题:在驾驶过程中,有太多的罕见情况需要去考虑,而无人车需要能够处理好其中的任何一种情况所以,Google 无人驾驶车最终在公路上驾驶了几百万公里来训练软件如何驾驶人类和电脑的一个区别在于,学习的速度大不相同举例来说,如果一个人类驾驶员犯了一个错误,他会从中吸取教训,也许下次可以不再犯错

但是其他人并不会拥有同样的收获如果是一辆无人驾驶车出现了错误,不但它自己会从中吸取教训,所有其他的无人驾驶车甚至是所有未来的无人驾驶车,也将从中获得新的经验这意味着,一个错误就能训练世界上所有的无人驾驶车,无人车的学习速度远远超过了人类这个区别将导致未来有一天,无人车驾驶将比人类驾驶要安全的多得多这是人工智能和人类在学习上非常关键的一个区别,而且它也适用于很多别的领域

机器学习正在被运用于很多很多很多的领域举例来说,医疗诊断机器学习可以比最优秀的人类医生更准确地诊断癌症在法律领域,最资深的律师,也会在寻找资料和起草合同上输给机器学习当然,还有互联,Google 和百度都因为机器学习的助力,可以用超乎人类想象的准确度搜索信息还有很多其他的领域,比如会计、驾驶飞行器和玩游戏

前段时间,Google 的 AlphaGo 刚刚在围棋上打败了世界冠军而而这所有的人工智能应用都有一点相同:它们都会使用机器学习,从海量的数据中学习如果你再观察一下机器学习,比如 AlphaGo,会发现它能从成千上万个棋局中学习没有任何人类的专家能够活那么久,去看完几百万个棋谱这个区别,使得 AlphaGo 可以运用比人类多得多的经验数据,围棋水平最终超越地球上所有的人类

未来,人工智能对人类生活的改变,将和农业革命、工业革命带来的改变一样,让我们可以变得更为强大它将把我们从不需要动脑的重复性工作中解放出来,比如每天你在办公室中不断重复做着的很多工作在未来,律师可以浪费更少的时间去寻找资料,花更多的时间去进行创意型的思考;医生的误诊将大大减少,他们可以更好地诊断人类疾病,可以花更多时间和病人交流而不是用来盯着皮肤组织样本

精彩问答Q: 你是如何看待计算机视觉的未来前景的

Thrun:计算机视觉是人工智能中最激动人心的领域之一直到几年前

,我们甚至还不能识别照相机图像中的最基本的部分,如你的脸,或者你坐的椅子,或者流动的云但是多亏了深度学习,我们现在能够分析非常复杂的东西

例如,汽车停在停车场中,电脑放在桌子上,甚至柔软无棱角的物体,如冰箱边上的食物这只是个开始计算机视觉使一种控制汽车的新方法得以实现过去无人驾驶汽车使用雷达和激光作为感知环境的方法,现在有一种新方法是用计算机视觉和摄像机来分析行驶方向,并且进步很快

Q: 现在业内关于自动驾驶技术和实现的完成度,各家相比会有很大的差距吗比如 Tesla 和 Geohot

Thrun:你问了无人驾驶汽车的市场和 Tesla 与 Geohot 的区别如果你看看 Geohot 的,就会得知 Geohot 已经决定终止无人驾驶汽车的项目,并转而做别的项目这个决定回应了美国对于 Geohot 对用户是否真的安全的质疑我不得不承认我今天看到这个消息很难过,因为我希望无人驾驶汽车技术短期内就有市场相反,Tesla 已经建立了名为 Autopilot(自动导航)的无人驾驶技术

它没有完善到你可以在开车的时候睡觉,你必须保持注意力但是如果你保持注意力,它能够按路线行驶的非常棒我有一辆 Tesla 并且我每天都使用 AutopilotTesla 的技术曾基于 Mobileye,一家以色列公司,现在换成了 Nvdia, 一家美国的公司因此你可以看到无人驾驶性能的进步因为具体的技术在进步在今天的市场,大部分都是非无人驾驶技术,是驾驶辅助技术,汽车只有一种功能Tesla 是最先进的一个,因为它是个很棒的公司,发明了 Autopilot

尽管如此,Autopilot 还不是最完美的无人驾驶汽车系统然而,业界的进步十分迅速,接下来两三年,我期待更多主流的汽车公司也来做无人驾驶,并研发出类似的无人驾驶技术

Q: 现在的人工智能离强人工智能还有多远机器人什么时候能真正读懂人说的话、理解看到的东西、了解人类的情感,(深度)神经络能做到这一点吗

Thrun:现在的人工智能离强人工智能还很远,现在是专业化的人工智能每一个人工智能系统精通一项任务,但是如果要它做一个不同的任务需要从零学起这很重要因为我们不需要无人驾驶汽车会下象棋,我们也不需要飞机会投篮,这些是不同的领域

然而,现在的问题是机器人是否能够理解人类情感,我认为这需要很大的进步现在在训练人工智能理解人类是高兴或沮丧,不舒服或疲惫,已经有了很大的进步你们上的人工智能系统可以辨别你现在的心情,这个用最基本的人工智能系统就可以做到,只需要观察你贴图的频率,看的频率,走路的方式

我想说我对人类情感很感兴趣,但是我对机器情感并不感兴趣我不需要我的人工智能有情绪,我不希望它生气或者开心,我不想来到厨房,发现我的冰箱爱上了我的洗碗机它不愿意为我工作因为我昨天晚上对它发了脾气我希望机器能够稳定工作,因此我认为人工智能机器不需要情感

Q: 基于学习的方法主导机器学习的根本原因是什么它将如何与更传统的 AI 方法进行交互

Thrun:机器学习主导的根本原因是它必须做到跟人类学习的方式类似如果你想教小孩做正确的事情,你不能坐下来把生活规则一条一条写下来,这是不可能教会他的,相反,你应该让小孩从他自己的经历中学习

机器学习不是像我们曾经写代码一样来学习的,也是从经历中来学习,因此在很多领域都不那么做了比如 Google 每天从数千亿的页的数据集中学习,这些数据没有任何规则,但数据却存在规律所以今天的机器学习是将人类的学习方式用在数据上得出结论,这比用常规的编程方式要更强大

Q: 未来的硬件技术有什么新的要求,以满足AI的趋势

Thrun:如今人工智能发展的一大激活因素是计算机的规模10年以前,这是不可能的 10年前我们的计算机系统规模最大都不如老鼠的大脑,现在它们比人类的大脑更大这使得一切都变的不同了人工智能领域大多数发现,世界上最好的算法,在30年前就已经出现,但现在才开始兴起的原因是因为计算机变得越来越快

展望未来,计算机必须更快,更便宜,更加关注浮点数的运算,可以大量相互连接在所有这些事情正在发生的现在,计算机公司(比如我们知道的谷歌和亚马逊)之间最大的区别,对 AI 最重要的,是处理浮点运算的能力因此,GPU(显卡,图形处理器) 和浮点运算能力是人工智能的必要条件和驱动力

原创文章,未经授权禁止转载详情见转载须知

经间期出血小腹痛
防动脉硬化症状能吃通心络吗
尿黄饮食调理方法
分享到: